ブログ本文を取り出しやすくするマイクロフォーマットについて(ちょっと)調べてみた | 秋元@サイボウズラボ・プログラマー・ブログ

ほんとにちょっとなので期待しすぎないで。 XPathの不便なところ – ぶろぐ。@はてなで、特に意味はないけど(笑)XPathで本文を探しにくいサンプルとしてこのブログが上げられていた(すいませんほんとに)。 そのXPathは、LDRFullFeedで使うことを想定しているということ。見てみたら、WebページのURLから本文を取るためのデータで、そこは参加者が持ち寄って作るデータベースらしい。 LDRがlivedoor Readerだとすると、このブログは全文出してるので本文はそっから取れるのだけれど、このデータはそれに限らずいろいろな本文を取り出すスクリプトで参照されるから、フィードから本文が全部取れるかどうかはまた別の話なのかもしれない。 とにかく、スクリプトに優しくないということなので個別ページのHTMLのソースを見てみた。で、上のページもあわせて読むと、なんとなく不親切な構造なんだ

[publichtml]

本文を抽出するためのあれこれ。

[tkawa]

『ブログサービス、CMSや掲示板など…各システムでまったく違う構造』

[os0x]

現状はhAtomかなぁhttp://microformats.org/wiki/hatom http://white.s151.xrea.com/blog/2007-11-07-02-04.html